【Transformers实战篇1】基于Transformers的NLP解决方案

本文为 https://space.bilibili.com/21060026/channel/collectiondetail?sid=1357748的视频学习笔记

项目地址为：https://github.com/zyds/transformers-code

一、基础组件

• Pipeline： 流水线，用于模型推理，封装了完整的推理逻辑，包括数据预处理、模型预测以及后处理
• Tokenizer： 分词器，用于数据预处理，将原始文本输入转化为模型的输入，包括input_ids、attention_mask等
• Model: 模型，用于加载、创建、保存模型，对pytorch中的模型进行了封装，同时更好的支持预训练模型
• Datasets: 数据集，用于数据集加载与预处理，支持加载在线与本地的数据集，提供了数据集层面的处理方法
• Evaluate： 评估函数，用于对模型的结果进行评估，支持多种任务的评估函数
• Trainer: 训练器，用于模型训练、评估，支持丰富的配置选项，快速启动模型训练流程

二、基于Transformer的NLP解决方案

• step1 导入相关包
• step2 加载数据集 Datasets
• step3 数据集划分 Datasets
• step4 数据集预处理 Tokenizer +Datasets
• step5 创建模型 Model
• step6 设置评估函数 Evaluate
• step7 配置训练参数 TrainingArguments
• step8 创建训练器 Trainer + Data Collator
• step9 模型训练、评估、预测（数据集） Trainer
• step10 模型预测（单条） Pipeline

三、显存优化策略

当机器显存不够时，可以选择牺牲模型准确率、牺牲训练时间等方式来换空间

3.1 显存占用简单分析

• 模型权重： $4Bytes\times 模型参数量$
• 优化器状态： $8Bytes\times 模型参数量$ (对常用的Adamw优化器)
• 梯度： $4Bytes\times 模型参数量$
• 前向激活值： 取决于序列长度、隐层维度、Batch大小等多个因素

3.2 Transformers 显存优化

先贴一张原博主的显存优化数据：

3.2.1 Baseline 不进行任何优化

BatchSize设置为32， MaxLength设置为128

3.2.2 Gradient Accumulation 梯度累加优化

• 优化对象 ：前向激活值。当累计跑了32个step时，才会计算梯度
• 参数设置：在 TrainingArguments里设置：per_device_train_batch_size=1 和gradient_accumulation_steps=32

3.2.3 Gradient Checkpoints 选择性存一些前向激活值

• 优化对象 ：前向激活值。选择性的保存一些前向激活值，然后在反向传播时，再重新计算。
• 参数设置：在 TrainingArguments里设置：gradient_checkpointing=True

3.2.4 Adafactor Optiomizer 更换优化器

• 优化对象 ：优化器状态。理论比AdamW占用显存小
• 参数设置：在 TrainingArguments里设置：optim="adafactor"

3.2.5 Freeze Model 冻结模型层

• 优化对象 ：前向激活值和梯度。 通过冻结一些层
• 参数设置：如将Bert中的参数进行冻结。遍历模型的参数，设置param.requires_grad = False

from transformers import DataCollatorWithPadding

# *** 参数冻结 *** 
for name, param in model.bert.named_parameters():
    param.requires_grad = False

trainer = Trainer(model=model, 
                  args=train_args, 
                  tokenizer=tokenizer,
                  train_dataset=tokenized_datasets["train"], 
                  eval_dataset=tokenized_datasets["test"], 
                  data_collator=DataCollatorWithPadding(tokenizer=tokenizer),
                  compute_metrics=eval_metric)

3.2.6 Data Length 降低最大长度

• 优化对象：前向激活值。会极大影响模型预测的准确率
• 参数设置：在tokenizer数据集预处理处进行操作，设置max_length=32

import torch

tokenizer = AutoTokenizer.from_pretrained("hfl/chinese-macbert-large")

def process_function(examples):
    tokenized_examples = tokenizer(examples["review"], max_length=32, truncation=True, padding="max_length")
    tokenized_examples["labels"] = examples["label"]
    return tokenized_examples

tokenized_datasets = datasets.map(process_function, batched=True, remove_columns=datasets["train"].column_names)

3.2.7 更多参数高效微调

• Lora
• cpu offload
• flash attention等